今

日

鸡

汤

千淘万漉虽辛苦，吹尽狂沙始到金。

/1 前言/

    搜狗壁纸是一款高清电脑壁纸下载，集成万款美女、宠物、风景、电影、节日、日历、简约壁纸，一键更换壁纸，多分辨率自适应，支持分组播放。

    搜狗壁纸，素材丰富，种类齐全，集美女、风景、萌宠等13个分类。让你的桌面充满爱。

使用Python网络爬虫获取搜狗壁纸_Python


/2 项目目标/

    教会大家如何去获取搜狗壁纸，下载你喜欢的分类。


/3 项目准备/

软件：PyCharm

需要的库：requests、fake_useragent、json

网站如下：

https://pic.sogou.com/pics/channel/getAllRecomPicByTag.jsp?category=%E5%A3%81%E7%BA%B8&tag=%E5%85%A8%E9%83%A8&start=0&len=15


/4 项目分析/

一、如何找到 json真正访问地址？

1、以壁纸这个分类来看，双击打开网站，右键F12>>找到下面的Network>>XHR>>(点击XHR下的文件)。刷新页面。找到Headers，里面的Request URL。

Request URL如下：

http://pic.sogou.com/pics/channel/getAllRecomPicByTag.jsp?category=%E5%A3%81%E7%BA%B8&tag=%E5%85%A8%E9%83%A8&start=0&len=15&width=1536&height=864

2、试着去掉一些不必要的部分，技巧就是，删掉可能的部分之后，访问不受影响。经筛选。最后得到的url如下：

http://pic.sogou.com/pics/channel/getAllRecomPicByTag.jsp?category=%E5%A3%81%E7%BA%B8&tag=%E5%85%A8%E9%83%A8&start=0&len=15

字面意思，知道category后面可能为分类。start为开始下标，len为长度，也即图片的数量。

使用Python网络爬虫获取搜狗壁纸_Python_02



二、如何获取里面的图片的地址？

1、点击其中一个文件打开Preview，点开all_items 发现下面是0 1 2 3...一个一个的貌似是图片元素。试着打开一个url。pic_url就是图片的地址。如图：


/5 反爬措施/

1、获取正常的http请求头，并在requests请求时设置这些常规的http请求头。

2、使用 fake_useragent ，产生随机的UserAgent进行访问。关注Python人工智能编程，回复Python获取资料 。


/6 项目实现/

1、定义一个class类继承object，定义init方法继承self，主函数main继承self。导入需要的库和网址，代码如下所示。

import requests, jsonfrom fake_useragent import UserAgent
class  ShouGO(object):    def __init__(self):         pass
    def main(self):        pass
if __name__ == '__main__':    Siper = ShouGO()    Siper.main()


2、随机生成UserAgent，防止反爬。

    ua = UserAgent(verify_ssl=False)    for i in range(1, 50):        self.headers = {            'User-Agent': ua.random,        }


3、定义Shou方法传入三个参数category, length, path分别对应json地址参数值。实例化变量。

 def Shou(self, category, length, path):      n = length      cate = category


4、json解析。

    imgs = requests.get(        'http://pic.sogou.com/pics/channel/getAllRecomPicByTag.jsp?category=' + cate + '&tag=%E5%85%A8%E9%83%A8&start=0&len=' + str(            n))    jd = json.loads(imgs.text)    jd = jd['all_items']    imgs_url = []


5、for循环遍历数组找到图片地址。

   for j in jd:        imgs_url.append(j['pic_url'])


6、for循环边框图片地址，定义一个变量m作为图片名称，拼接图片地址。

    m = 0    for img_url in imgs_url:        # print(img_url)        print('***** ' + cate + str(m) + '.jpg *****' + '   Downloading...')


7、 图片地址发生请求，获取响应。

img = requests.get(url=img_url, headers=self.headers).content


8、保存图片

      with open(path + cate + str(m) + '.jpg', 'wb') as f:          f.write(img)      # urllib.request.urlretrieve(img_url, path + str(m) + '.jpg')      m = m + 1  print('Download complete!')


9、mian里调用Shou方法传入参数。实现功能。

    def main(self):        self.Shou('汽车', 2000, './壁纸2/')


/7 效果展示/

1、点击绿色小三角运行。以Shou('汽车', 2000, './壁纸2/')：（“分类”，长度。"保存的地址"）为例。点击运行，结果显示在控制台，如下图所示。

使用Python网络爬虫获取搜狗壁纸_Python_03


2、保存的图片，如下图所示。

使用Python网络爬虫获取搜狗壁纸_Python_04


/8 小结/

1、不建议抓取太多数据，容易对服务器造成负载，浅尝辄止即可。2、本文章就python爬取搜狗壁纸，以及如何防止反爬，做出了相对于的解决方案。3、介绍了如何去拼接字符串，以及列表如何进行类型的转换。5、欢迎大家积极尝试，有时候看到别人实现起来很简单，但是到自己动手实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。6、大家可以自行修改自己想要的分列，爬取自己喜欢的图片。